Aprendizaje profundo – Deep Learning

El aprendizaje profundo es la unión de algoritmos de aprendizaje automático para enseñar a las máquinas cuestiones abstractas más avanzadas, tales como reconocer caras, conducir vehículos, detección de fraude en el uso de tarjetas de crédito, análisis del mercado de valores, clasificación de secuencias de ADN, hacer diagnósticos médicos, traducir textos o «entender» el lenguaje hablado, aprender de la experiencia. Las redes neuronales son básicamente una imitación en software del funcionamiento de las neuronas: sus interconexiones y con ciertos estímulos de entrada producir salidas o resultados. El aprendizaje automático consiste en dotar a los ordenadores de inteligencia artificial permitiéndoles aprender.

Hasta hace poco las expectativas de que la Inteligencia Artificial (IA) pudiese aproximarse remotamente a la inteligencia humana era solo un sueño. En los últimos cinco años, compañías como Google (que está liderando), Apple e IBM, han comprado de forma agresiva ‘startups’ e investigadores expertos en ‘deep learning’. Los investigadores entrenan equipos de robots para realizar tareas sencillas con una técnica llamada aprendizaje reforzado, que combina el ensayo y error con refuerzos positivos. El aprendizaje reforzado permite a los robots programarse solos mientras aprenden sobre la marcha, compartiendo el proceso de aprendizaje, una técnica a menudo denominada robótica en la nube, que aceleraría el proceso.

Si cada robot varia ligeramente su comportamiento, y después refuerza las variaciones más acertadas, que hace por sí mismo, o guiado por la inteligencia humana o mediante la observación. Estas redes alimentarían un servidor central que construía una nueva red neuronal que combinaba todos los comportamientos aprendidos, y esa red era redistribuida a los robots para un nuevo ciclo de aprendizaje.

El primer gran éxito del aprendizaje automático fué Google, que encuentra información en la red, basándose en una algoritmo de aprendizaje, después vinieron Amazón, Facebook, Linkedin, Watson o Neflix que utilizan asímismo ese tipo de algoritmos que aprenden sin tener que ser programados manualmente, sino que lo hacen a partir de los datos que manejan. Llegando incluso a hacer cosas que no podemos hacer nosotros o hacerlas mejor, de manera que cuanto más datos y tiempo de cálculo le demos mejores resultados obtendrá.

Con los nuevos avances los nuevos computadores pueden escuchar, tranformarlo en texto y comprender como los humanos los sentimientos que expresan y lo que dicen de las cosas, incluso acostumbrándose a el tono de voz individual, ya simulan el movimiento de las galaxias y la trayectoria de cuerpos celestes, detectan bossones en aceleradores de partículas. Reconocer imágenes a una velocidad imposible para la mente humana, por ejemplo Google cartografió cada lugar de Francia en dos horas, sólo con las imágenes de las calles. Los computadores ahora entienden las imágenes que ven y buscan en bases de datos imágenes similares entre cientos de millones, incluso ya pueden generar una descripción simplemente a partir de una imagen.

En poco tiempo estos algoritmos podrían reproducir comportamientos humanos (ver, oir, escribir, hablar, comprender,…) y en pocos años superar esa capacidad. Las posibilidades son enormes en campos como la medicina en diagnóstico, radiología, patología, .. yendo más allá de la capacidad humana, incluso generando nuevos conocimientos con su autoaprendizaje. Incluso sin experiencia previa, sólo le llevaría 15 minutos crear una nueva prueba de diagnóstico, puesto que funcionan a una velocidad exponencial. Al contrario de la revolución industrial donde las máquinas se asentaron nivelándose en su utilidad; además la capacidad del capital se incrementó y la productividad del trabajo se estancó, incluso bajó. Con el aprendizaje profundo el crecimiento es ilimitado, cuanto mejores sean los computadores en capacidad intelectual, mejores serán los nuevos ordenadores que se crearán para mejorar su capacidad.

Una pregunta que nos asalta inmediatamente es ¿qué uso se dará a esas máquinas?, podemos especular. En las redes sociales los ordenadores conocen nuestras actividades, saben qué compramos, con quien nos relacionamos, lo que pensamos, votamos, nuestros gustos, nuestra cara, nuestra voz, … están recolectando datos nuestros que les facilitamos de forma directa e indirecta. Cuando el aprendizaje profundo se ponga a pleno rendimiento puede que nos haga la vida más sencilla o nos preocupe el uso de esos datos.

Si comparamos nuestra capacidad cerebral con la de un antepasado veremos la pequeña diferencia de volumen, y sin embargo es la diferencia entre vivir como monos y tener satélites en el espacio. Cualquier aumento de nuestra capacidad generará enormes potenciales consecuencias de todo tipo. Hasta hace poco la IA se limitaba a programación minuciosa humana de una caja, sin embargo ahora hay un cambio de paradigma, que gira en torno al aprendizaje de la máquina, creando algoritmos que aprenden a partir de datos en bruto como un bebé humano.

Según los máximos expertos en IA, entre 2040 y 2050 las máquinas podrán igualar la capacidad de un humano adulto. Podría a partir de datos brutos con algoritmos aprender interrelacionando cosas que nosotros mismos no hemos sido capaces de intuir. Esto puede suceder más o menos antes en el tiempo. Lo que sí sabemos es que la velocidad de procesamiento actual en una estructura artificial está mucho más allá de los límites del tejido biológico. Mientras una neurona humana opera a velocidades de megahercios, un transistor lo hace a la velocidades de gigahercios, incluso hoy. Las neuronas a lo largo de los axones propagan impulsos a velocidades de 100 m por segundo, mientras las computadoras lo hacen a la velocidad de la luz. Nuestra capacidad cerebral debe estar en los límites de nuestro cráneo, mientras las computadoras pueden tener cualquier tamaño.

El poder atómico de la materia estaba latente hasta que lo despertamos en 1945 en Hirosima y Nagasaki; el poder de la IA estamos a punto de despertarlo. En nuestra escala de inteligencia actual tenemos en un extremo al «tonto del pueblo» y en el otro extremo a un humano tipo Albert Einstein. Sin embargo desde el punto de vista de la IA, tendríamos en un extremo una piedra, a poco espacio un ratón, a continuación después de años el chimpacé, después de otro periodo el tonto y el listo a poca distancia casi juntos, y después vendría una línea creciente de inteligencia sin final. Esto tiene muchas implicaciones de cara al poder, por ejemplo, aunque un mono sea más fuerte que nosotros, nuestra inteligencia es decisiva en el poder que tenemos.

Una vez que exista superinteligencia, nuestro destino dependerá de ella. Serán mejores inventores que nosotros y a una velocidad increíble. Toda la tecnología que los humanos podamos realizar con el tiempo (tratamientos contra el envejecimiento, colonización de planetas, nanobots autoreplicantes, mentes integradas en computadoras y todo tipo de ciencia-ficción), esa superinteligencia podría desarrollarla a una velocidad de vértigo y nuestro futuro lo determinarían las preferencias de la IA.

Y, ¿cuales serían esas preferencias?. Esto deberíamos enfocarlo de una manera más abstracta, no el de robot antropomórficos de cine, sino de procesos de optimización y para eso es muy importante que las premisas estén muy bien definidas (por ejemplo el Rey Midas deseó que todo lo que tocase se convirtiese en oro: tocó a su hija, tocó la comida y se conviriteron en oro). Y quizás no podríamos apagar esa computadora si no funciona como deseamos ¿donde está el botón para apagar ahora internet? ¿el chimpancé o el neandertal pudieron apagar el sistema en algún momento?, tenían razones desde luego; es decir, seríamos dependientes del sistema.

Aunque podamos con nuestra inteligencia anticipar consecuencias y amenazas, una superinteligencia también, incluso mejor que nosotros. La única forma de controlarla es ponerla en una caja con un sofware seguro, una simulación de realidad virtual, pero si los hacker humanos encuentrar errores, con más razón lo hará una superinteligencia. Sería como mantener un genio superinteligente para siempre dentro de una lámpara. La única forma sería crear una IA que aunque se «escapase» siguiera siendo segura. Ese es el reto a resolver creando una IA que aprenda lo que nos importa, pero esto no sucederá automáticamente, deben ser muy claras las condiciones iniciales y sus formas de decisión. Paradógicamente son más complicados los problemas técnicos de control de la IA, que crearla en sí misma, es decir, deberían solucionarse previamente los problemas de control antes de crear la IA; pero algunos problemas de control surgirán en el propio desarrollo en sí de esta tecnología. Quizás este avance ya en marcha sea lo único que pasará a la historia del s. XXI.

  REFERENCIAS.

https://es.wikipedia.org/wiki/Aprendizaje_profundo
https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico
https://youtu.be/t4kyRyKyOpo
https://www.youtube.com/watch?v=yFh-4R0S_oc
https://www.youtube.com/watch?v=tGC2_SesQ34
https://www.youtube.com/watch?v=MnT1xgZgkpk
https://www.youtube.com/watch?v=bHvf7Tagt18
http://www.technologyreview.es/robotica/51889/google-esta-construyendo-un-gran-cerebro-para/
http://www.eldiario.es/hojaderouter/tecnologia/software/moda-deep_learning-algoritmo-inteligencia_artificial_0_275772610.html
http://www.investigacionyciencia.es/revistas/investigacion-y-ciencia/numero/479/aprendizaje-profundo-14415
http://www.microsiervos.com/archivo/ordenadores/aprendizaje-automatico-redes-neuronales-aprendizaje-profundo.html